DNA序列分类模型

论文摘要

依据生物学知识,按照氨基酸分子中侧链基的极性性质,把碱基三联体分成血大类,即四大类氨基酸和终止码。以五类密码子出现的频率构成的特征向量来表征DNA序列。这是从不同序列中氨基酸含量不同提炼出能从碱基含量和碱基排列情况两方面代表序列特征的氨基酸类别信息的方法。然后用三种统计方法进行分类。用马氏距离判别法和FISHER判别法对给定序列进行分类,样本回代正确率均达100%,二者分类一致率为90%；应用聚类分析方法对DNA序列片段进行分类,样本回代正确率达95%。本模型考虑结合生物学知识,特征向量维度较低,便于计算,分类结果精度较高,优于仅基于碱基含量的判别分类模型。

论文目录

• 摘要
• Abstract
• 第一章 导论
• 1.1 选题的目的和意义
• 1.2 相关领域的国内外研究概况
• 1.3 本文研究的主要内容及方法
• 第二章 问题描述和特征提取法
• 2.1 问题描述
• 2.2 生物学背景知识
• 2.3 特征提取法
• 第三章 马氏距离判别法及应用
• 3.1 算法的基本原理和算法的两种情形
• 3.2 马氏距离（Mahalanobis）分类模型
• 第四章 费希尔判别法及应用
• 4.1 算法的基本原理
• 4.2 求解本模型
• 第五章 聚类方法及其实现
• 5.1 算法的基本原理
• 5.2 算法实例应用
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 附录1
• 附录2
• 附录3
• 附录4